Power BI에서의 데이터 분석 수행

랩 사례

이 랩에서는 판매 탐색 보고서를 만듭니다.

이 랩에서는 다음 작업을 수행하는 방법을 알아봅니다.

  • 애니메이션 분산형 차트 만들기
  • 시각적 개체를 사용한 값 예측

이 랩은 약 30분 정도 소요됩니다.

시작하기

이 연습을 완료하려면 먼저 웹 브라우저를 열고 다음 URL을 입력하여 zip 폴더를 다운로드합니다.

https://github.com/MicrosoftLearning/PL-300-Microsoft-Power-BI-Data-Analyst/raw/Main/Allfiles/Labs/08-perform-data-analysis-in-power-bi-desktop/08-perform-analysis.zip

C:\Users\Student\Downloads\08-perform-analysis 폴더로 폴더를 추출합니다.

  1. 08-Starter-Sales Analysis.pbix 파일을 엽니다.

참고: 취소를 선택하여 로그인을 해제할 수 있습니다. 다른 정보 창을 모두 닫습니다. 변경 사항을 적용하라는 메시지가 표시되면 나중에 적용을 선택합니다.

애니메이션 분산형 차트 만들기

이 작업에서는 애니메이션을 적용할 수 있는 분산형 차트를 만듭니다.

  1. 새 페이지를 만들고 이름을 분산형 차트로 지정합니다.

  2. 보고서 페이지에 분산형 차트 시각적 개체를 추가한 다음 전체 페이지를 채우도록 크기를 조정하여 배치합니다.

    필드가 재생 축 웰/영역에 추가되면 차트를 애니메이션화할 수 있습니다.

    그림 18

    그림 75

  3. 다음 필드를 시각적 개체 웰/영역에 추가합니다.

    랩에서는 약식 표기법을 사용하여 필드를 참조합니다. 다음과 같이 표시됩니다. 재판매인 | 비즈니스 유형. 이 예에서 Reseller는 테이블 이름이고 Business Type은 필드 이름입니다.

    • X축: 판매 | 판매
    • Y축: 판매 | 이익률
    • 범례: 재판매인 | 비즈니스 유형
    • 크기: 판매 | 수량
    • Play Axis: 날짜 | 분기

  4. 필터 창에서 이 페이지의 필터 웰/영역에 제품 | 범주 필드를 추가합니다.

  5. 필터 카드에서 자전거를 기준으로 필터링합니다.

  6. 차트에 애니메이션을 적용하려면 왼쪽 하단에서 재생을 선택합니다.

    그림 41

  7. FY2018 Q1부터 FY2020 Q4까지의 전체 애니메이션 주기를 봅니다.

    분산형 차트에서는 측정값을 동시에 해석할 수 있습니다. 여기에서는 주문 수량, 판매 수익, 이익률을 동시에 해석할 수 있습니다.

    각 거품형은 재판매인 비즈니스 유형을 나타냅니다. 거품형 크기는 증가 또는 감소한 주문 수량을 반영하여 변경됩니다. 수평 이동은 판매 수익의 증가/감소를 나타내며 수직 이동은 수익성의 증가/감소를 나타냅니다.

  8. 애니메이션이 중지되면 거품형 중 하나를 선택하여 시간에 따른 추적을 표시합니다.

  9. 해당 시점에서 재판매인 유형에 대한 측정값을 설명하는 도구 설명을 표시하려면 거품형 위에 커서를 놓습니다.

  10. 필터 창에서 Clothing만을 기준으로 필터링하면 매우 다른 결과가 생성되는 것을 확인할 수 있습니다.

  11. Power BI Desktop 파일을 저장합니다.

예측 만들기

이 작업에서는 예상되는 향후 판매 수익을 판단하는 예측을 만듭니다.

  1. 새 페이지를 추가하고 페이지 이름을 예측으로 변경합니다.

  2. 보고서 페이지에 꺾은선형 차트 시각적 개체를 추가한 다음 전체 페이지를 채우도록 크기를 조정하여 배치합니다.

    그림 19

    그림 74

  3. 다음 필드를 시각적 개체 웰/영역에 추가합니다.

    • X축: 날짜 | 날짜
    • Y축: 판매 | 판매

  4. 필터 창에서 이 페이지의 필터 웰/영역에 날짜 | 연도 필드를 추가합니다.

  5. 필터 카드에서 2년을 기준으로 필터링합니다. FY2019 및 FY2020.

    시간대에 따라 예측하는 경우 정확하고 안정적인 예측을 생성하려면 적어도 두 개의 주기(연도)의 데이터가 필요합니다.

  6. 이 페이지의 필터 웰/영역에 제품 | 범주 필드도 추가한 다음, 자전거를 기준으로 필터링합니다.

  7. 예측을 추가하려면 시각화 창 아래에서 Analytics 창을 선택합니다.

    그림 20

  8. 예측 섹션을 확장합니다.

    예측 섹션을 사용할 수 없는 경우 시각적 개체를 올바르게 구성하지 않았기 때문일 수 있습니다. 예측은 두 가지 조건이 충족되는 경우에만 사용할 수 있습니다. 축에는 날짜 형식의 단일 필드가 있고 값 필드가 하나만 있어야 합니다.

  9. 예측 옵션을 켜기로 설정합니다.

  10. 다음 예측 속성을 구성한 후 적용합니다.

    • 단위: Months
    • 예측 범위: 1개월
    • 계절성: 365
    • 신뢰도 간격: 80%

    그림 52

  11. 줄 시각적 개체에서 예측은 기록 데이터를 벗어나 1개월이 연장된 것을 알 수 있습니다.

    회색 영역은 신뢰도를 나타냅니다. 신뢰도 영역이 넓을수록 예측 안정성이 낮아지므로 정확성이 떨어집니다.

    주기의 길이(여기에서는 연간)를 알고 있으면 계절성 지점을 입력해야 합니다. 매주(7) 또는 매월(30)일 수도 있습니다.

  12. 필터 창에서 Clothing만을 기준으로 필터링하면 다른 결과가 생성되는 것을 확인할 수 있습니다.

랩 완료